Data Agent走出聊天框：企业分析如何进入可执行工作流

企业第一次使用AI问数时，最容易被“用一句话查到数据”打动。几周之后，团队往往会遇到同一堵墙：答案出来了，数据集还要分析师维护，图表还要手工创建，异常还要业务人员盯着，结论也要另一个人在业务系统里执行。聊天框降低了查询门槛，却没有缩短整条工作链。

Data Agent的价值，取决于它能覆盖多少真实工作。以HENGSHI SENSE 6.2的产品设计为例，Data Agent把任务分给建模、创作、问数和页面操作四类能力。用户可以提出“关联订单与客户数据，生成区域销售看板，并解释华东区下滑原因”这样的复合目标。任务规划器先拆解步骤，再调度语义建模、指标检索、图表配置和结果解释。用户由此获得一条有进度、有中间证据、有交付产物的分析流程。

从目标到任务图

复合请求必须经过任务规划。系统要识别数据对象、业务指标、时间范围和交付形式，还要判断步骤之间的依赖关系。创建看板之前必须确认数据集，计算同比之前必须找到统一的日期口径，解释异常之前必须验证查询结果。任务图把这些依赖显式化，也让用户能够暂停、调整或重跑某一步。

任务规划还解决了一个常见的交互问题。用户通常用业务语言表达目标，不会把需求写成严谨的技术指令。Agent需要把“看一下华东销售为什么掉了”转换成指标确认、趋势检查、区域拆分、产品拆分和异常归因等步骤。每一步都应该输出中间证据，便于用户判断系统是否沿着正确方向工作。

语义层决定答案边界

大模型可以识别语言，却不知道一家公司的“收入”采用含税口径还是不含税口径，也不知道“活跃客户”是7天登录还是30天付费。Data Agent必须从指标语义层读取定义、维度、权限和血缘，再生成查询或配置。统一指标让同一句业务问题在看板、问数和API中得到一致解释。

语义层也承担消歧。用户说“销售额”时，系统可以列出可用指标，展示定义和适用范围，再让用户确认。这个步骤看似增加一次交互，却能避免一份口径错误的报告进入经营会议。

Headless API让执行可控

稳定的Agent不会依赖鼠标坐标模拟页面操作。它通过Headless API创建数据集、配置关联、生成图表和修改样式。API调用可以校验参数、记录审计日志，并在失败时返回结构化错误。页面助手仍然有价值，它负责导航和讲解；核心资源变更则交给受权限控制的接口。

企业部署时还应把查询与写操作分开治理。查询可以直接执行，创建资源需要预览影响，修改关键口径需要审批，跨系统动作要保留回滚方案。Data Agent获得的权限应小于或等于当前用户权限，不能因为“智能”而绕过原有控制面。

落地先选一条短链

第一阶段适合选择高频、边界清楚的任务，例如“每天检查核心指标并生成异常摘要”或“根据指定数据集生成周报看板”。团队先验证语义准确率、任务成功率和人工接管点，再扩展到建模与跨系统执行。Data Agent的成熟度最终体现为稳定完成任务的比例，以及用户能否看清它做了什么。

工程细节与实施补充

一、Data Agent：全栈BI智能体的架构设计与实现

1.1 从“问数助手”到“全栈BI智能体”的技术跃迁

Data Agent是6.2版本的核心亮点。但理解它的技术价值，需要先理解此前的局限和6.2的突破。

在传统BI平台中，“问数助手”（通常基于Text-to-SQL实现）的技术实现相对简单：

用户自然语言输入 → LLM意图识别 → SQL生成 → 数据库查询 → 结果展示

这条链路的问题在于：它只能处理“查询”这一个环节。用户问“上个月华东区的销售额是多少”，系统可以回答。但用户说“帮我建一个华东区销售趋势的仪表盘，包含同比环比、按产品分类的柱状图，再加上KPI卡片”，传统的问数助手就无法完成。

6.2版本的Data Agent是一个多模态、多任务、全栈的BI智能体，关键的技术突破包括：

• Task Planner（任务规划器）：理解复杂的多步骤请求，自动拆解为子任务序列，并支持进度跟踪
• 多Agent协作：建模助手、创作助手、问数助手可以协同工作，例如“先建一个数据集，然后基于这个数据集创建仪表盘”
• 平台API直调：Agent不再通过模拟UI操作来实现功能，而是直接调用Headless API，确保操作的精确性和可靠性

1.2 四大Agent能力的技术实现

1.2.1 建模助手（Modeling Agent）

建模助手需要理解数据工程的复杂逻辑。

核心能力：

• 在建模画布中自由拖拽数据集
• 灵活配置LEFT、INNER、RIGHT JOIN等关联关系
• 快速从数据连接中创建新数据集
• 智能推荐最优关联类型与维度归属

建模助手的底层调用衡石的语义建模API。当用户说“把订单表和客户表关联起来，用客户ID做左连接”时，Agent需要完成以下步骤：

1. 意图解析：识别操作类型（JOIN）、涉及的表（订单表、客户表）、关联字段（客户ID）、关联类型（LEFT JOIN）
2. 数据发现：在语义层中搜索匹配的数据集，处理模糊匹配和同义词
3. 可行性校验：验证关联字段的数据类型是否兼容、关联关系是否已存在、是否会产生笛卡尔积等问题
4. API调用：通过语义建模API创建或修改数据集的JOIN配置
5. 结果反馈：向用户展示关联后的数据预览和潜在问题提示

除了执行明确指令，建模助手还能主动建议。例如，当用户加载一个数据集时，Agent可以分析字段名、数据类型和数据分布，推荐可能的关联关系和维度归属。

1.2.2 创作助手（Creative Agent）

创作助手负责仪表盘和数据报告的可视化创作。

核心能力：

• 一句话指令即可新建仪表盘并自动生成对应图表
• 灵活修改图表类型、配色、标签、坐标轴等样式
• 支持从数据集自动推荐可视化方案

创作助手需要将自然语言的模糊描述映射为精确的可视化配置。当用户说“帮我做一个华东区各省份的销售额排名，用柱状图”时，Agent需要：

1. 从语义层中定位“华东区”维度的精确数据字段
2. 识别“销售额”对应的指标定义
3. 确定聚合方式（SUM、AVG等）
4. 配置按销售额降序的排序规则
5. 选择适合排名展示的图表类型
6. 生成可视化配置并通过API创建图表

当用户说“换成饼图，颜色用蓝色系”时，Agent需要识别上下文中的上一个操作，修改图表类型和配色，同时保持数据绑定不变。

1.2.3 问数助手（Query Agent）

问数助手是6.2中升级幅度较大的模块。

核心升级：

• 更智能的分析流程规划能力
• 支持从查询错误中自我学习优化
• 精准记忆用户分析习惯与常用维度
• 智能搜索关联数据集

传统Text-to-SQL系统通常没有状态。6.2的问数助手引入了上下文记忆和错误学习机制：

• 生成的SQL执行失败时，Agent分析语法错误、字段不存在或权限不足等报错，自动修正并重试
• 用户手动修正Agent结果后，Agent记录这次修正，在后续类似查询中避免重复错误
• 系统记录用户常用的维度、度量和过滤条件，用于后续查询推荐

1.2.4 页面操作助手（Navigation Agent）

页面操作助手提供以下能力：

• 根据指令快速导航至任意功能页面
• 修改图表标题、样式等配置项
• 边操作边讲解功能流程

页面操作助手组合页面导航API、配置修改API和自然语言生成能力，实现对产品界面的程序化操作，并向用户说明执行内容和原因。

1.3 AI能力增强的技术实现

6.2还在底层AI能力上做了多项工程优化：

• 流式输出：用户实时看到Agent的操作过程和中间结果，无需等待所有操作完成
• 多语言适配：Agent自动检测用户的语言偏好，并使用对应语言交互
• 任务拆解与进度跟踪：复杂请求会被拆解为多个子任务，每个子任务的执行进度实时展示，用户可以中断、修改或调整优先级
• Agent偏好设置：用户可以在用户中心通过Markdown格式设置个性化指令，例如默认图表类型、日期格式和度量单位
• 从对话中学习：Agent记录用户的操作和反馈，持续调整常用维度和图表偏好

1.4 全域上下文覆盖

6.2版本的Data Agent已经实现了全产品模块上下文覆盖，具体覆盖的核心场景包括：

场景	覆盖能力	典型操作
应用创作	仪表盘创建、页面管理	“创建一个新的销售分析仪表盘”
数据集市	数据包浏览、资源查找	“找到华东区的销售数据集”
仪表盘	图表操作、交互配置	“把这个柱状图换成折线图”
数据集	字段管理、关联配置	“给这个数据集加上客户维度”
数据连接	数据源管理、连接测试	“检查一下MySQL连接是否正常”
数据管道	ETL流程配置	“设置一个每日同步的数据管道”
权限管理	角色配置、数据授权	“给销售部门开放华东区数据的只读权限”
API管理	API密钥管理、调用统计	“查看上周的API调用次数”
用户管理	账号管理、组织架构	“创建一个数据分析团队”

---

二、指标管理系统：企业级指标资产的工程化治理

2.1 指标管理的工程挑战

在企业级BI场景中，指标管理是一个容易被低估的工程难题。一个中大型企业可能有数百甚至数千个业务指标，分布在不同的部门、系统和报表中。

典型的指标管理痛点包括：

• 定义不一致：财务部的“收入”和销售部的“收入”可能采用不同口径
• 查找困难：用户不知道指标定义在哪里、谁维护、使用哪个数据源
• 重复建设：多个分析师各自定义相同或相似的指标
• 变更风险：修改一个指标定义，可能影响数十个依赖它的报表

2.2 指标收藏功能的实现

6.2推出的指标收藏功能需要解决几个工程问题：

• 收藏列表的高效查询：个人收藏上限为1000个指标。系统为每个用户的收藏列表建立倒排索引，支持按指标名称、归属主题路径和指标描述检索
• 归属主题路径展示：收藏列表显示指标所属的主题路径，例如“销售管理 > 区域分析 > 华东区销售额”，帮助用户定位指标来源和上下文
• 一键直达：用户点击收藏指标即可进入指标详情页面或使用该指标的仪表盘

2.3 全场景指标搜索的实现

全场景指标搜索需要在多个产品上下文中提供一致体验：

1. 统一搜索索引：管理指标页面、指标市集和仪表盘添加指标等场景使用同一套搜索索引
2. 场景感知：系统根据当前上下文调整搜索行为。在管理页面偏向定义和管理操作，在仪表盘中偏向可用且有权限的指标
3. 搜索关键词保留：结果列表保留用户输入的关键词，帮助用户确认搜索意图
4. 性能优化：搜索结果最多返回1000条，通过分页和懒加载控制大结果集的响应时间

---

三、数据源与基础管理：企业级治理能力的工程化

3.1 数据集市管理的工程实现

文件夹/数据包置顶：高频使用的数据包或重要文件夹可固定在列表顶部。数据模型为每个数据包或文件夹增加置顶权重，列表查询时按权重排序。

数据包锁定：锁定后的数据包进入保护状态，内部资源变为只读。工程实现需要：

• 在数据包元数据中增加锁定状态和锁定者字段
• 在所有修改数据包的API端点中校验锁定状态
• 遵循“谁锁定谁解锁”原则，仅允许锁定者本人解除锁定

跨应用复制指标同步：复制数据集时，系统扫描数据集中引用的指标，区分原子指标和模型指标，并同步非模型创建的原子指标。

3.2 基础管理的精细化

水印设置在6.2中得到增强：

1. 应用级水印开关：管理员可以为每个应用单独配置是否显示水印
2. 水印内容定制：支持组合用户名、邮箱、手机号和系统时间等参数，渲染时由水印模板引擎替换占位符

系统管理员还可以通过全局排序配置中心统一多个模块的默认列表排序规则。

---

四、总结：6.2版本的技术意义

HENGSHI SENSE 6.2围绕Agentic BI完成了一次架构级升级：

1. 定义全栈BI智能体的工程范式，让Data Agent执行建模、创作、查询和管理组成的完整BI工作流
2. 完善企业级指标资产治理，通过指标收藏、全局搜索和跨应用同步降低指标使用成本
3. 补齐大规模生产环境的工程能力，包括1000万行数据导出、精细化水印管理和数据包锁定
4. 通过平台API直接调用能力，验证Headless架构在AI Agent执行场景中的价值

---

资料与核验说明

内部资料用于梳理衡石能力与工程方法；竞品和版本信息按2026年8月26日可访问的官方页面复核。产品功能会受版本、地区、授权和部署模式影响，正式采购与发布前应再做一次现场确认。

延伸阅读：HENGSHI SENSE产品与技术白皮书。